戶外拍攝的圖像受天氣（霧、雨雪、陰天）、運(yùn)動(dòng)、光照不足等不利因素影響會(huì)產(chǎn)生嚴(yán)重的退化,這不僅影響圖像的視覺效果,而且會(huì)造成圖像重要細(xì)節(jié)丟失,使其使用價(jià)值降低。因此,提高這些受不利因素影響的低質(zhì)圖像的清晰度具有重要意義。本文僅對(duì)因霧天和運(yùn)動(dòng)模糊造成的低質(zhì)圖像進(jìn)行清晰化的方法研究。其主要工作如下:（1）圖像去霧,對(duì)霧天條件下獲取的圖像進(jìn)行清晰化處理。首先分析和比較了暗通道先驗(yàn)算法、非局部圖像去霧算法等幾種經(jīng)典的圖像去霧算法,并在此基礎(chǔ)上,提出了一種基于條件生成式對(duì)抗網(wǎng)絡(luò)的圖像去霧算法。新算法在網(wǎng)絡(luò)結(jié)構(gòu)、損失函數(shù)上進(jìn)行了嘗試和改進(jìn)。首先,新算法使用Dense Net代替?zhèn)鹘y(tǒng)的U-net作為生成器的網(wǎng)絡(luò)結(jié)構(gòu),使用Patch-GAN作為判別器的網(wǎng)絡(luò)結(jié)構(gòu)。其次,利用預(yù)訓(xùn)練視覺幾何組（VGG）模型和全變分正則化梯度對(duì)損失函數(shù)進(jìn)行修正。新算法是一種端對(duì)端的去霧算法,無需估計(jì)透射圖和相關(guān)霧霾特征就可得到去霧后圖像,能夠適用于多種場(chǎng)景。新算法能有效降低傳統(tǒng)方法去霧后產(chǎn)生的光暈現(xiàn)象和去霧不徹底的問題,且能更好地保留原圖像的細(xì)節(jié)。實(shí)驗(yàn)結(jié)果顯示,改進(jìn)使其結(jié)構(gòu)相似性指標(biāo)從76.9%提高到93.4%。（2）圖像去運(yùn)... 

【文章來源】：遼寧科技大學(xué)遼寧省

【文章頁數(shù)】：69 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

大氣光成像過程

21min(,)=~()()+~()((()))（3.4）綜合生成器和判別器的目標(biāo)，其生成器的對(duì)抗過程描述為下式：(,)=~()()+~()((()))（3.5）其結(jié)構(gòu)圖如圖3.1所示，其中為隨機(jī)噪聲，生成器根據(jù)隨機(jī)數(shù)生成假的圖像，并用生成的假圖像去欺騙判別器；判別器本質(zhì)是一個(gè)二分類神經(jīng)網(wǎng)絡(luò)，負(fù)責(zé)辨別是真圖還是假圖，并會(huì)給出一個(gè)分?jǐn)?shù)。圖3.1生成式對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3.1ThestructureofGAN3.1.2條件GAN介紹條件生成對(duì)抗網(wǎng)絡(luò)是在原始GAN的基礎(chǔ)上施加了條件y，用以生成具備某特定要求的圖像。它是由MehdiMirza等人于2014年提出的生成對(duì)抗網(wǎng)絡(luò)的改進(jìn)模型[37]。其對(duì)抗過程定義如下：(,)=~()(|)+~()(((|)))（3.6）其中，()為真實(shí)數(shù)據(jù)分布，()為生成數(shù)據(jù)分布。在生成器中，先驗(yàn)輸入的噪聲和條件在隱藏層中相結(jié)合，可以輸出一個(gè)帶有條件的生成數(shù)據(jù)(|)，在判別器中將真實(shí)數(shù)據(jù)和結(jié)合起來一起作為判別器函數(shù)的真實(shí)數(shù)據(jù)輸入。GAN中生成器和判別器的訓(xùn)練是交替進(jìn)行的，在訓(xùn)練時(shí)可以先固定生成器0，求解最優(yōu)的判別器0，然后固定0開始訓(xùn)練0，訓(xùn)練的過程可以使用梯度下降法，以此循環(huán)往復(fù)，訓(xùn)練1，1，2，2...。3.1.3編碼-解碼結(jié)構(gòu)在卷積神經(jīng)網(wǎng)絡(luò)中，卷積層數(shù)越少，提取的特征越簡(jiǎn)單；反之，層數(shù)越多，卷積層提取的特征會(huì)變得越來越復(fù)雜，但對(duì)于圖像的生成或復(fù)原，復(fù)雜的特征更

過渡層和密集塊的內(nèi)部結(jié)構(gòu)


本文編號(hào)：3116224